6G 채널 모델링에 AI를 적용하는 방법

+ PathWave 신호 생성

채널 추정 및 채널 상태 피드백을 위한 AI 통합

6G 네트워크의 RF 성능 테스트는 신호 무결성 및 시스템 효율성을 결정하기 위해 오류 벡터 크기(EVM) 및 채널 상태 정보(CSI)와 같은 주요 측정항목을 평가하는 것을 포함합니다. 인공지능(AI) 기반 설계 접근 방식은 엔지니어가 채널 동작을 보다 정확하게 시뮬레이션하여 채널 추정 및 성능 예측 능력을 향상시킵니다. 테스트 프로세스에 AI 모델을 통합함으로써 엔지니어는 신호 품질을 최적화하고 실시간 채널 변화에 동적으로 적응하여 6G 네트워크가 성능 벤치마크를 충족하도록 보장할 수 있습니다.

이 프로세스는 지도 또는 비지도 학습 기술을 사용하여 신호 페이딩 및 간섭과 같은 채널 손상을 인식하고 조정하도록 AI 모델을 훈련하는 것으로 시작됩니다. 그런 다음 엔지니어는 복잡한 실제 조건에서 신호의 전송 및 수신을 시뮬레이션합니다. 모델을 훈련하면 실시간으로 신호 문제를 예측하고 수정하는 데 도움이 될 수 있습니다. 이 프로세스는 초대규모 다중 입력, 다중 출력(MIMO) 시스템 및 6G 아키텍처의 기타 고급 기술을 효율적으로 테스트할 수 있도록 합니다.

인공지능 기반 시스템 설계

6G 신호 성능 및 채널 추정을 최적화하려면 복잡한 실제 환경을 정확하게 시뮬레이션할 수 있는 도구가 필요합니다. 키사이트 PathWave System Design 소프트웨어 아키텍처는 ONNX와 같은 산업 표준 형식으로 개발된 AI 기반 모델의 원활한 통합을 가능하게 합니다. 이러한 통합은 CSI 피드백을 개선하고 6G 전송에서 채널 추정 정확도를 향상시킵니다. 또한 고급 6G 시나리오를 구성하는 데 포괄적인 유연성을 제공합니다. 키사이트 솔루션을 통해 엔지니어는 신호 품질을 평가하고, 동적 채널 동작을 분석하고, 간섭 효과를 평가하고, 손상을 완화하기 위해 AI 기반 추정기를 최적화할 수 있습니다. 또한 실시간 피드백 및 시스템 수준 검증을 통해 시뮬레이션 정확도를 확인하여 6G 시스템이 높은 수준의 성능을 달성할 수 있도록 보장합니다.

견적 요청